Select Page
Codex 做動態圖表和短影片:不用 AE 也能產出可用視覺內容

Codex 做動態圖表和短影片:不用 AE 也能產出可用視覺內容

Codex 不只是拿來寫程式,也可以變成一個會做視覺內容的 AI 製作助理。只要把需求講清楚,它可以幫你產出動態圖表、短影片、科普動畫、產品宣傳片,甚至把 HTML、CSS、動畫邏輯和素材組裝流程一起處理掉。

這件事最有趣的地方是,起步不一定需要 AE、PR 或完整剪輯能力。真正的門檻反而變成另一件事:你能不能把「我要什麼樣的畫面」說清楚。AI 會寫程式,但審美、節奏、鏡頭語言、授權和成本,還是要由人來管。

Codex 適合做哪一類動態內容

最適合交給 Codex 的,不是需要大量真人素材或複雜運鏡的商業大片,而是可用程式描述的視覺內容。例如動態圖表、數據比較、產品功能展示、技術概念解釋、醫學或科研科普、社群短片開場、簡報轉短影片。

這類內容的共通點是結構明確。你可以指定尺寸、時長、分鏡、配色、字體、圖表資料、動效節奏,然後讓 Codex 產出可預覽的 HTML 或影片工程。若再接上 HyperFrames 這種用 HTML 寫影片的工作流,AI Agent 就能把網頁式畫面轉成可輸出的影片片段。

提示詞不要只寫「幫我做一支影片」

很多人第一次用 Codex 做影片,會直接丟一句「幫我做一支 20 秒產品宣傳片」。這樣確實有機會跑出東西,但結果通常很大眾化,容易變成常見科技風、藍紫漸層、過度抽象的圖卡。

比較好的 prompt 要包含幾個層次:

  • 目的:這支內容要解釋、銷售、比較、教學,還是吸引點擊。
  • 時長和比例:例如 15 秒、20 秒,橫版 16:9 或直式 9:16。
  • 視覺風格:例如蘋果式極簡、醫學科普插畫、冷白石墨黑、微藍加暖金。
  • 分鏡節奏:每一段畫面幾秒,文字怎麼進出,圖表何時放大。
  • 素材限制:能不能用外部圖片、要不要用 AI 音樂、是否需要字幕。
  • 驗收標準:不要跑版、文字不能重疊、手機和桌面尺寸都要可讀。

如果你平常已經在用 Codex 做開發任務,可以把它想成「把產品需求文件換成影片需求文件」。我之前整理過 Codex 與 GPT-5.6 結合成 AI 代理 的方向,這類影片工作流其實就是把代理能力往內容製作延伸。

一個可重複的 Codex 影片 prompt

可以先用這個框架當起點:

請做一支 20 秒的產品介紹短片,比例 16:9。
主題是:把 Codex 和 HyperFrames 用在動態圖表與 AI 影片製作。

請輸出可預覽的 HTML 動畫,畫面要能之後轉成影片。

視覺風格:
- 蘋果式簡約
- 冷白背景
- 石墨黑文字
- 微藍科技感
- 暖金作為重點提示

結構:
1. 0 到 4 秒:用一句話說明痛點
2. 4 到 10 秒:展示 Codex 生成圖表和畫面
3. 10 到 16 秒:展示 HyperFrames 轉成影片流程
4. 16 到 20 秒:收斂成一句行動建議

動效:
- 文字淡入
- 圖表數字遞增
- 卡片左右滑入
- 重點詞放大但不要擋到內容

限制:
- 不要使用外部圖片
- 不要讓文字重疊
- 每個畫面都要有清楚留白
- 最後提供可修改的檔案結構

這種 prompt 的重點不是字多,而是把 AI 容易亂猜的地方先固定。尺寸、時長、配色、動效、節奏、素材權限都講清楚,Codex 才比較像製作助理,而不是自由發揮的設計師。

導演風格提示詞可以這樣用

做動態圖表或 AI 短片時,最容易失控的是視覺風格。只寫「要有電影感」太抽象,只寫「科技風」又很容易跑成藍紫色模板。比較穩的方法,是把風格拆成色彩、光線、鏡頭、構圖、材質和避免事項,讓 Codex 可以直接轉成畫面規則。

使用方式很簡單:先用前面的基礎 prompt 定義主題、時長、比例和分鏡,再從下面挑一組風格包貼到「視覺風格」段落。如果是商業簡報或產品介紹,建議先用 Apple Event Opening Film 式、Muji 式或 Aesop 式。如果是科幻感、城市情緒或詩性科普,再選 Denis Villeneuve 式、Wong Kar-wai 式、Tarkovsky 式或 Terrence Malick 式。

可直接貼給 Codex 的風格控制模板

請依照以下格式套用視覺風格,不要只模仿表面元素。

風格名稱:
用途:
色彩:
光線:
鏡頭:
構圖:
材質:
避免:

請把這些規則套用到每一個場景,並在輸出前檢查文字可讀性、畫面留白、動效節奏和手機尺寸。

Denis Villeneuve 式

適合做大型系統、AI 架構、資料中心、未來城市、算力平台這類有重量感的主題。

風格名稱:Denis Villeneuve 式
用途:冷峻史詩感,適合科幻、巨型建築、AI 基礎設施、算力平台
色彩:低飽和沙色、混凝土灰、灰青色、深黑,禁止霓虹藍紫
光線:柔和定向光、體積霧、大面積陰影、低對比但黑位深
鏡頭:慢速推軌、廣角大全景、少手持、24fps 電影感
構圖:近對稱、巨量留白、小人物對比巨大空間
材質:混凝土、塵土、啞光金屬、煙霧、舊織物
避免:不要藍紫科技感,不要 HUD,不要快節奏剪輯,不要廉價未來感

Wong Kar-wai 式

適合做都市情緒、社群故事、創作者工具、夜間產品展示、情感型品牌短片。

風格名稱:Wong Kar-wai 式
用途:都市暖味情緒,適合夜景、人物孤獨感、創作者故事
色彩:深紅、琥珀暖光、綠色陰影,控制飽和度,避免企業藍紫
光線:實景燈光、霓虹反射、鎢絲燈、潮濕街道高光
鏡頭:長焦特寫、淺景深、輕微手持、慢動作碎片感
構圖:前景遮擋、玻璃反射、親密近景、不完美構圖
材質:雨水、玻璃、煙霧、舊牆面、織物、膠片顆粒
避免:不要賽博龐克,不要廉價霓虹,不要過度銳利,不要乾淨企業感

Tarkovsky 式

適合做哲學型科技反思、長篇研究、知識工作流、慢節奏概念片。

風格名稱:Tarkovsky 式
用途:詩性冥想感,適合哲學科技、研究筆記、長時間思考
色彩:灰綠、濕土棕、灰白天空、低飽和自然色
光線:自然陰天光、柔和漫射、弱對比、無人工炫光
鏡頭:長鏡頭、極慢推軌、靜止觀察式鏡頭、少剪輯
構圖:深空間、前後景層次、人物隱於自然或建築中
材質:水面、霧、灰塵、苔蘚、舊木、石牆、舊布料
避免:不要快剪,不要炫技轉場,不要賽博視覺,不要藍紫科技感

Terrence Malick 式

適合做自然、生活、醫學科普、教育、親和型產品介紹,畫面會比較有呼吸感。

風格名稱:Terrence Malick 式
用途:自然抒情感,適合生活科技、教育、醫學科普、溫柔品牌敘事
色彩:暖高光、柔和綠色、自然膚色、淡天空色、中低飽和
光線:日落逆光、自然陽光、柔和鏡頭炫光、空氣感
鏡頭:漂浮手持、輕微廣角、低機位觀察、慢節奏
構圖:非對稱自然構圖、人體置於風景中、前景層次豐富
材質:草地、亞麻、皮膚、塵土、水面、風吹布料
避免:不要商業廣告過度修飾,不要藍紫科技感,不要硬質 UI,不要炫技轉場

Apple Event Opening Film 式

適合做產品發布、SaaS 功能展示、硬體展示、正式感很強的開場短片。

風格名稱:Apple Event Opening Film 式
用途:精密發布會開場感,適合產品發布、功能亮相、硬體和 SaaS 展示
色彩:單色基底加一個克制點綴色,暖白、石墨黑、香檳金、暖灰
光線:工作室級受控照明、柔和鏡面高光、非數字炫光
鏡頭:微距到廣景的平滑過渡、慢推、精確環繞、視差控制
構圖:幾何抽象、層級清晰、留白充分、視覺秩序嚴謹
材質:啞光金屬、磨砂玻璃、液體表面、織物、微細紋理
避免:不要粒子特效,不要 glitch,不要彈性動畫,不要藍紫科技感

Muji 式

適合做安靜日常、效率工具、筆記 App、知識管理、個人工作流介紹。

風格名稱:Muji 式
用途:安靜日常極簡,適合效率工具、筆記 App、生活型產品、個人工作流
色彩:象牙白、米色、淺木色、柔灰、自然棕
光線:自然窗光、柔和陰影、溫暖環境光、無戲劇化光效
鏡頭:眼平視角、靜態鏡頭、緩慢推近、輕觀察感
構圖:功能性擺放、留白、非對稱、日常尺度
材質:紙張、木材、棉麻、陶瓷、磨砂塑料、亞麻布
避免:不要未來科技感,不要發光 UI,不要高飽和配色,不要商業炫技

Aesop 式

適合做高質感知識品牌、研究型產品、顧問服務、空間感強的品牌短片。

風格名稱:Aesop 式
用途:文學建築感,適合高質感品牌、知識服務、研究型產品、顧問簡報
色彩:炭黑、暖棕、琥珀、石灰灰、深綠、奶油白
光線:低調暖光、定向高光、柔和陰影漸變、室內氛圍光
鏡頭:緩慢建築式平移、靜物特寫、穩定觀察鏡頭
構圖:博物館式留白、層架陳列、低調奢華、秩序克制
材質:石材、深木、琥珀玻璃、紙張、陶瓷、皮革
避免:不要 flashy luxury,不要臨場式金色,不要藍紫科技感,不要誇張動效

這些風格包最好不要一次全部貼進同一個任務。每次只選一種主風格,再補一句「如果有 UI 或圖表,要保持文字清楚、留白足夠、不要遮住數據」。

Codex 生成第一版後,再要求它檢查三件事:文字是否重疊、動效是否太花、手機尺寸是否仍然可讀。

HyperFrames 和 Remotion 各有位置

Remotion 更像 React 影片工程,適合已經熟悉 React 的開發者。HyperFrames 則偏向讓 AI Agent 以 HTML 結構描述畫面,再輸出影片,對 Codex 這種代理工作流很自然。

也有人會用 Remotion 讓 Codex 生成動畫,這條路完全可行,只是如果你的目的不是長期維護一個 React 影片專案,而是快速把概念做成短片,HyperFrames 的心智負擔會更低。若你要跑本地或半自動化的 AI 影片管線,也可以對照 OpenMontage 本地部署實測 的做法。

真正要小心的是成本、品質和崩潰

AI 做動態內容很容易讓人興奮,但不要忽略三個現實問題。

第一是時間成本:幾秒鐘的視覺效果,有時可能跑十幾分鐘。若 prompt 太模糊,AI 反覆嘗試、安裝套件、重建專案、預覽失敗,時間就會被吃掉。

第二是穩定性:像「Turn this website into a 20-second product promo」這種看似方便的提示詞,遇到複雜網站或工具限制時,可能長時間執行後才報錯。比較穩的做法是先要求 Codex 做 5 秒原型,確認視覺方向和技術路線,再擴到 20 秒完整版本。

第三是美感:AI 會做出能動的畫面,但「能動」不等於「好看」。如果你沒有指定風格,它很容易產生通用科技模板。要改善這件事,prompt 裡要明確寫出參考方向、色彩限制、節奏限制、不要使用的元素,甚至要求它先給三套視覺方案再開始實作。

音樂和素材授權也要先想清楚

短影片通常會想加背景音樂,但 AI 音樂不是生成了就一定能商用,像 Suno 這類工具,不同訂閱方案會影響音樂權利歸屬,免費版本版權不是屬於製作人的,若內容是公司、商品、廣告或公開營利用途,音樂授權一定要先確認,之前整理 Tunee AI 和 Suno 對比 時,也能看出 AI 音樂生成越方便,授權問題越不能放到最後才處理。

我的建議流程

  1. 先用一句話定義影片目的。
  2. 寫出 4 到 6 個分鏡,不要一開始就要求完整大片。
  3. 指定尺寸、時長、配色、字體和動效。
  4. 先做 5 秒原型,確認風格後再擴展。
  5. 要求 Codex 檢查文字重疊、版面跑位和預覽錯誤。
  6. 最後才加入音樂、配音、字幕與輸出格式。

用 Codex 做動態圖表和短影片,現在已經不是玩具級別。它可以讓不會 AE 和 PR 的人快速做出第一版,也能讓工程師把資料視覺化變成可分享的內容。但越是自動化,越需要人把需求寫得精準。AI 負責執行,你負責判斷什麼才是好看的、能用的、可以公開的。

FAQ

Codex 可以直接做影片嗎?

可以協助做影片工程、HTML 動畫、動態圖表和可轉成影片的畫面,但通常還是需要搭配 HyperFrames、Remotion 或其他渲染工具完成輸出。

為什麼 AI 生成的動畫看起來很呆?

通常是 prompt 沒有指定視覺風格、節奏、動效細節和禁用元素。先要求三套風格方案,再選一套做原型,品質會穩很多。

HyperFrames 和 Remotion 要選哪一個?

熟 React 且要長期維護影片工程,可以選 Remotion。想讓 AI Agent 快速用 HTML 描述和渲染短片,HyperFrames 會更直覺。

AI 影片生成會很花 token 嗎?

會,尤其是長時間反覆生成、安裝套件、修錯和預覽。建議先做短原型,確認方向後再擴成完整版本。

ChatGPT Work 是什麼?Codex 與 GPT-5.6 正式合體成 AI 代理

ChatGPT Work 是什麼?Codex 與 GPT-5.6 正式合體成 AI 代理

ChatGPT Work 的重點,不只是 OpenAI 又多了一個模式,而是 Codex 的 Agent 執行能力正式被放進 ChatGPT 裡,並由 GPT-5.6 Sol、Terra、Luna 三個模型層級支撐起來。

這代表 ChatGPT 正在從「聊天視窗」變成「能跨檔案、跨應用程式、跨瀏覽器、跨團隊工具做事的 AI 代理」,以前 Codex 比較像工程師工具,現在它的能力被包進一般知識工作者也能理解的 Work 模式裡,這一步很關鍵。

我會把這次更新理解成三件事:

第一,Codex 不再只是寫程式,而是成為 ChatGPT 的行動層

第二,GPT-5.6 把模型能力分成 Sol、Terra、Luna,讓不同成本和任務有不同選擇

第三,Sites、桌面 App、外掛目錄、Ultra 多 Agent 模式,正在把「讓 AI 完成工作」這件事產品化。

而且不用再多開多個 APP 了

先講結論:ChatGPT Work 是 Codex 走向全民化的形態

以前談 Codex,直覺會想到寫程式、改 repo、跑測試、開 PR,這次 ChatGPT Work 的定位不同,它不是只服務開發者,而是把 Codex 那套長任務執行能力拿去處理一般工作:分析 Excel、整理資料夾、生成簡報、建立互動式網站、讀 Slack 或 Gmail、把結果發回團隊工具。

這也解釋了為什麼 OpenAI 要把 Chat、Work、Codex 放在同一個桌面應用程式裡。

Chat 負責快速問答,Work 負責長任務,Codex 負責更深的開發與工具執行。對使用者來說,不需要再思考「我現在要開哪個產品」,而是直接把任務丟進同一個工作入口。

站上之前整理過 從 Claude Code、Codex、Hermes 到 nuwa-skill 的 AI 工作流,那時 Codex 還比較偏工程場景;ChatGPT Work 則是把這條路推向更大的辦公場景。

GPT-5.6 三層模型:Sol、Terra、Luna 各自負責不同工作

這次 GPT-5.6 不再只是單一模型名稱,而是拆成三個層級。

模型定位適合場景
Sol旗艦模型高難度 Agent 任務、程式碼、設計判斷、複雜知識工作
Terra日常均衡模型一般工作流、文件分析、較高頻的辦公任務
Luna快速低成本模型大量處理、成本敏感、速度優先的任務

這個分層很務實。不是每個任務都需要 Sol,也不是每個人都該用最高推理檔。真正成熟的 AI 工作流,應該是把最貴的模型留給最難的決策,把便宜快速的模型用在大量例行工作。

參考資料裡提到的定價方向也很清楚:

Sol 最貴,Terra 居中,Luna 最便宜。這代表未來使用 ChatGPT Work 時,模型選擇會變成工作流設計的一部分,而不只是「選最強」。

Ultra 模式:不是一個模型想更久,而是一組 Agent 並行

Ultra 模式很值得注意。它不是單純把同一個模型推理時間拉長,而是讓多個 Agent 平行工作,再把結果整合起來,這和過去「一個模型慢慢想」的概念不同,更接近一個小團隊同時拆任務。

這種設計特別適合長任務:研究、寫報告、建立網站、跑程式、做多版本比較、測試不同方向,當任務可以拆成多條路並行時,Ultra 的價值才會出來。

但它也帶來現實問題:用量會變大。實測留言裡有人提到 Work 模式會快速消耗額度,這點很合理。多 Agent 並行不是免費加速,它本質上就是用更多 token、更多運算,換更高成功率或更短等待時間。

ChatGPT Work 可以做什麼?重點是「交付成果」

ChatGPT Work 最重要的變化,是它不只回答問題,而是直接交付成果,官方展示裡出現幾個很典型的辦公場景:讀 Slack 和員工回饋、找出適合訪談的人、安排會議;分析財務模型、更新 Excel、生成 PowerPoint;把分析結果做成可分享的互動網站。

這些任務的共同點是:它們不是一句問答,而是需要跨多個資料源、跨多個步驟、最後輸出一個可用成品,這就是 Codex 能力進入 ChatGPT 的意義,Codex 原本擅長把目標拆成步驟、執行工具、檢查結果,Work 則把這套能力包成知識工作者能用的產品介面。

如果你想把這類長任務做得更穩,前置需求釐清仍然很重要,我會把 Grill Me 需求訪談工作流 放在 ChatGPT Work 前面用:先問清楚目標、限制、輸出格式和驗收標準,再讓 Work 開始執行。

桌面 App 是關鍵:本機檔案、瀏覽器分頁、其他 App 都進來了

新的 ChatGPT 桌面 App 是這次更新裡非常關鍵的一塊。它不只是把網頁版包成桌面視窗,而是讓 ChatGPT 可以碰到本機檔案、瀏覽器分頁,甚至其他應用程式。

這代表一個很大的轉折:AI 不再只讀你貼進對話框的內容,而是能在你授權的範圍內,直接理解桌面上的工作現場。資料夾裡的 PDF、Chrome 分頁裡的背景資料、Apple Notes 裡的凌亂筆記、試算表裡的回饋資料,都可以成為任務上下文。

這和 OpenWork / OpenCode 桌面工作台 的方向其實相通:AI Agent 最後一定會往「讀得到你的工作環境、操作得到工具、交付得了成品」這條路走。

Sites:從報告變成可分享的互動工具

Sites 是另一個我覺得很重要的功能。過去 AI 幫你整理資料,多半輸出一段文字、一個表格或一份簡報,Sites 則是把結果變成互動網站、內部工具、儀表板或原型。

這會改變「交付物」的想像。財務分析不一定只能是一份 PowerPoint,也可以是可互動的 dashboard,產品規劃不一定只能是一份文件,也可以是可點擊的 prototype;資料整理不一定只是摘要,也可以變成團隊能共同查看的網站。

這裡也可以接回站上之前整理過的 AISA 一個 API Key 連上多種資源。未來真正有價值的不是單一模型,而是模型、資料源、外掛、網站部署和團隊協作工具串在一起的工作流。

外掛目錄回來了,但這次不是 2023 年那種玩具感

這次新的統一外掛程式目錄,包含 Google Drive、SharePoint、Slack、Microsoft Teams、Gmail、Outlook、Salesforce、Adobe、Zoom、LinkedIn、GitHub、Canva、Dropbox 等整合。這很像 2023 年 ChatGPT Plugins 的第二次機會,但底層條件已經不同。

2023 年的外掛比較像「讓聊天機器人查外部資料」。這一次的外掛更接近「讓 Agent 取得任務所需的工作上下文」。當模型具備長任務執行能力,外掛就不是裝飾,而是資料入口、工具入口和交付入口。

也就是說,外掛目錄真正的價值,不是多支援幾個品牌,而是讓 ChatGPT Work 可以在你的工作系統中移動:讀資料、做分析、產出文件、發送結果、更新工具。

實測很強,但不能神化:耗時、額度、細節錯誤仍然存在

NiceKate AI 的實測很有參考價值,因為它不是只看官方展示,而是拿 GPT-5.6 Sol 跑圖片辨識、PPT、Excel、網頁設計、Image to Code、3D 建模、Android App UI 審查、macOS App 開發和短片生成。

好的部分很明顯:頁面設計質感比前代更好,能做更完整的互動式視覺化,能把圖片轉成可互動網頁,能操作 Android 裝置截圖做 UI 審查,也能在 macOS App 開發中自行遇到錯誤再修正。

但限制也很清楚:有些任務會跑 19 分鐘、30 分鐘、甚至 40 分鐘,複雜 3D、交通仿真、精密還原仍會出現結構錯誤,Work / Codex 模式會明顯消耗額度,這不是「按一下就完美交付」的魔法,而是「可以把更多長任務交給 Agent,但你要學會規格、驗收和成本控管」。

模型能力對很多人來說可能已經過剩,真正重要的是在實際場景裡能解決什麼問題。這句話很適合放在 ChatGPT Work 上。不要只測模型會不會做炫技 demo,要問它能不能幫你穩定完成週報、資料整理、客戶研究、網站原型、財務分析、App 審查這些真任務。

安全與權限:Agent 能做事後,風險也變具體了

當 ChatGPT Work 可以讀檔案、看瀏覽器、操作 App、存取 Slack / Gmail / Drive,安全問題就不再是抽象討論。它能做越多,越需要清楚的權限、審查和用量控管。

參考資料提到 Auto-Review、安全監控、紅隊測試、依風險調整存取權限,以及 Enterprise / Edu 管理員可以做 spend controls。這些功能不是企業才需要,一般使用者也要養成習慣:不要一次授權太多資料,不要讓 Agent 直接做不可逆操作,重要輸出要驗證。

這也是為什麼我一直覺得 Agent 工作流需要紀律,你可以參考 Grill Me 的思路:先讓 AI 問清楚,再讓它執行,重要任務要有驗收清單;涉及資料、金錢、客戶、程式部署時,要保留人工確認點。

這對使用者代表什麼?

我覺得 ChatGPT Work 會讓三種人最先有感。

  • 知識工作者:可以把研究、整理、簡報、試算表、網站原型交給 Work 做第一版,再由人驗收。
  • 開發者與產品團隊:Codex 能力整合進 ChatGPT 後,從需求、原型、程式、測試到部署的距離會縮短。
  • 一人公司與內容創作者:可以把資料蒐集、腳本、視覺化、網站、短片和社群素材變成一條工作流。

但這也會拉開差距。會下任務、會拆規格、會驗收、會控制成本的人,會把 ChatGPT Work 用得像小團隊,只會丟一句「幫我做一下」的人,可能只會得到昂貴又不穩的半成品。

我會怎麼開始用?

如果現在要開始測 ChatGPT Work,我會先從低風險但有價值的任務開始。

  • 整理一個資料夾裡的 PDF、簡報和筆記,產出一份會議簡報。
  • 讀一份 Excel 或 CSV,產出互動式 dashboard 和重點摘要。
  • 把產品想法做成可點擊網站原型,再請它列出待驗證假設。
  • 讓 Codex 檢查一個小型 repo,先產生修改計畫,不要直接改。
  • 把 Slack / Gmail / Drive 這類外掛逐步接入,不要一開始全開。

如果你想比較本地 Agent 工作台和雲端 Work 模式的差異,可以接著看 OpenWork / OpenCode 桌面工作台。雲端 Work 勝在整合和模型能力,本地工具則勝在可控、可自訂和成本安排。

結論:ChatGPT Work 是「AI 代理辦公」的分水嶺

ChatGPT Work 不是單純的新功能,而是 OpenAI 把 Codex、GPT-5.6、桌面 App、外掛、Sites、多 Agent 模式合在一起後,給一般使用者的一個新工作入口。

它最重要的意義是:AI 不再只是回答你的問題,而是開始接近「拿到目標後,跨工具完成工作」,這也是 AI Agent 真正從開發者圈走向辦公室、團隊、內容創作和一人公司的關鍵一步。

但越是這樣,越要記得兩件事:第一,強模型不等於免驗收;第二,長任務不等於低成本。未來真正重要的能力,不只是會用 GPT-5.6,而是會把任務設計成 AI 能完成、人能驗收、成本能控制的工作流。

延伸資源

FAQ

ChatGPT Work 是什麼?

ChatGPT Work 是 OpenAI 把 Codex 的 Agent 執行能力整合進 ChatGPT 後推出的工作模式,目標是處理比一般聊天更長、更複雜、需要跨工具完成的任務。

GPT-5.6 Sol、Terra、Luna 差在哪?

Sol 是旗艦模型,適合高難度 Agent 任務;Terra 是日常均衡模型;Luna 則主打速度和低成本,適合大量處理。

ChatGPT Work 和 Codex 是什麼關係?

Codex 提供長任務執行、工具操作和開發相關能力;ChatGPT Work 則把這些能力包進一般使用者能操作的 ChatGPT 工作介面。